SOLD2：自监督的遮挡感知线段描述与检测
计算机视觉与模式识别
2021-04-12 v2
摘要
与特征点检测与描述相比，线段的检测与匹配带来了额外的挑战。然而，对于多视图任务，线特征是有望作为点特征补充的一种选择。线段确实由图像梯度明确定义，即使在纹理贫乏的区域也频繁出现，并提供稳健的结构线索。因此我们在此引入首个在单一深度网络中联合检测与描述线段的方法。得益于自监督训练，我们的方法不需要任何标注的线段标签，因此可泛化至任意数据集。我们的检测器提供图像中线段的可重复且精确的定位，有别于线框解析方法。借助描述子学习的最新进展，我们提出的线描述子具有高度判别力，同时对视角变化和遮挡保持鲁棒。我们在多个由单应变换以及真实世界视角变化构建的多视图数据集上，将我们的方法与以往的线段检测与描述方法进行评估。我们的完整流程获得了更高的可重复性、定位精度与匹配指标，从而代表了弥合与学习型特征点方法之间差距的第一步。代码与训练权重可在 https://github.com/cvg/SOLD2 获取。
引用
@article{arxiv.2104.03362,
title = {SOLD2: Self-supervised Occlusion-aware Line Description and Detection},
author = {Rémi Pautrat and Juan-Ting Lin and Viktor Larsson and Martin R. Oswald and Marc Pollefeys},
journal= {arXiv preprint arXiv:2104.03362},
year = {2021}
}
备注
17 pages, Accepted at CVPR 2021 (Oral)